论文部分内容阅读
曲线检测是图像匹配与识别,图像理解与分析,计算机视觉等领域的一项基础任务,在工业、人体运动学、生物医学等领域中具有广泛的应用。常用的曲线检测方法有Hough变换、随机Hough变换、利用弧段组合的方法和基于聚类分析的方法等。本文利用聚类算法针对多个圆周(或圆弧)曲线检测问题进行研究和分析。首先针对基于传统遗传算法与模糊球壳聚类算法相结合的GA-FCSS算法计算量大、收敛速度慢的缺点进行了分析,并对其GA步骤中初始种群选取方法进行了改进。提出一种新的利用“三点确定一个圆”的方法来选取初始种群。实验表明:对同心圆数据集的聚类问题上,改进的GA-FCSS算法比原GA-FCSS算法具有更快的收敛速度和更好的聚类结果。由于FCSS是基于FCM的曲线识别方法,它继承了FCM对初始值和噪声点敏感、最终得到的隶属度不能很好地反映数据在所属类别中的典型度等缺点。为此,本文分析了一种将FCM和PCM相结合的聚类算法(FCM-PCM),并将代数距离引入到该算法中,提出了一种基于FCM-PCM模型的圆周(或圆弧)曲线识别方法(IPCSS)。模拟数值实验表明,与FCSS相比,IPCSS对同心圆类型的数据点集的聚类效果更好,能从一定程度上解决FCSS对初始值和噪声点敏感的问题。